3. 分析好评与差评的关键信息

依靠绘制词云图，来分析好评与差评的关键信息的区别

数据预处理

依靠上一篇爬取到的csv文件，来进行分析，首先导入文件，重点是短评正文的信息。
首先是使用结巴库来进行分词，然后去除停用词（停用词是网上公开的，可以自己去找。
代码：

import pandas as pd
import jiebadata = pd.read_csv("doubanliulangdiqiu.csv", encoding='GB18030')	# 读取数据
with open('stopword.txt','r') as f:stopWords = f.read()	# 读取停用词
stopWords = ["\n",""," "]+ stopWords.split() # 把可能用的停用词加载进去data_cut = data['短评正文'].apply(jieba.lcut)  # 结巴分词
data_after = data_cut.apply(lambda x: [i for i in x if i not in stopWords])# 去除停用词

数据预处理结束

统计词频

使用list()把数据转换成列表，然后使用_flatten()来展平,使用pd.Series()来转换成序列，使用value_counts()统计频率

from tkinter import _flatten
pd.Series(_flatten(list(data_after))).value_counts()

绘制词云

把词频命名为wordFre,背景偷懒一下，直接导入一个图片进去

import matplotlib.pyplot as plt
from wordcloud import WordCloud
mask = plt.imread('aixin.jpg')
wc = WordCloud(font_path='simkai.ttf',# 设置字体mask=mask,background_color='white')
wc.fit_words(wordFre)
plt.imshow(wc)  # 词云
plt.axis('off') # 关闭坐标

最后看看效果图

在这里插入图片描述
最后封装成函数：

def my_word_cloud(data=None.stopWords=None, img=None):data_cut = data.apply(jieba.lcut)  # 结巴分词data_after = data_cut.apply(lambda x: [i for i in x if i not in stopWords])  # 去除停用词# 统计词频wordFre = pd.Series(_flatten(list(data_after))).value_counts()# 设置背景mask = plt.imread('aixin.jpg')wc = WordCloud(font_path='simkai.ttf',# 设置字体mask=mask,background_color='white')# 词云绘制wc.fit_words(wordFre)plt.imshow(wc)  # 词云plt.axis('off') # 关闭坐标plt.show()

把评分三星以下为差评，三星及三星以上为好评，做个词云:

index_negative = data['评分'] < 30.0
index_positive = data['评分'] >= 30.0my_word_cloud(data['短评正文'][index_negative],stopWords,'aixin.jpg') # 差评词云
my_word_cloud(data['短评正文'][index_positive],stopWords,'aixin.jpg') # 好评词云